📄Работа №139002
Тема: Разработка интеллектуальной системы для определения справедливых цен на жилую недвижимость
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Математика
Объем:
52 листов
Год:
2023
Просмотров:
95
4600
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Аннотация 2
Abstract 3
Введение 5
Глава 1 Анализ проблематики определения справедливых цен на недвижимость 7
1.1 Обзор особенностей оценки недвижимости 7
1.2 Обзор моделей для описания зависимостей между входными
параметрами и выходными 8
Глава 2 Разработка алгоритма для оценки недвижимости на основе машинного обучения 14
2.1 Оценка недвижимости как задача регрессионного анализа
данных 14
2.2 Ансамблевые алгоритмы машинного обучения 16
2.3 Применение гибридного машинного обучения для увеличения
точности прогнозирования цен на недвижимость 20
2.5 Алгоритм прогнозирования цен на недвижимость 22
Глава 3 Разработка интеллектуальной системы для оценки недвижимости .. 25
3.1 Особенности реализации системы 25
3.2 Тестирование системы и определение оптимальных параметров ее
работы 39
Заключение 45
Список используемой литературы и используемых источников 47
Abstract 3
Введение 5
Глава 1 Анализ проблематики определения справедливых цен на недвижимость 7
1.1 Обзор особенностей оценки недвижимости 7
1.2 Обзор моделей для описания зависимостей между входными
параметрами и выходными 8
Глава 2 Разработка алгоритма для оценки недвижимости на основе машинного обучения 14
2.1 Оценка недвижимости как задача регрессионного анализа
данных 14
2.2 Ансамблевые алгоритмы машинного обучения 16
2.3 Применение гибридного машинного обучения для увеличения
точности прогнозирования цен на недвижимость 20
2.5 Алгоритм прогнозирования цен на недвижимость 22
Глава 3 Разработка интеллектуальной системы для оценки недвижимости .. 25
3.1 Особенности реализации системы 25
3.2 Тестирование системы и определение оптимальных параметров ее
работы 39
Заключение 45
Список используемой литературы и используемых источников 47
📖 Введение
Оценка стоимости недвижимости применяется как организациями при реализации своей коммерческой деятельности, так и физическими лицами планирующих покупку или продажу жилья. Например, банки проводят оценку квартиры перед выдачей своему клиенту ипотечного кредита на ее покупку, чтобы понять за какую сумму возможна ее реализация, если клиент не справится с оплатой кредита. В рамках судебных заседаний в рамках гражданских процессов также может потребоваться оценка стоимости квартиры в рамках рассмотрения дела о наследстве или выплате компенсаций. Физические лица, выбирающие себе квартиру для покупки, также проводят оценку квартир, чтобы определить ее справедливую цену. Брокеры недвижимости для формирования коммерческих предложений своим клиентам также производят оценку квартир.
Благодаря развитию технологий искусственного интеллекта стало возможным автоматизация некоторых видов деятельности человека [1]. В рамках данной бакалаврской работы предлагается автоматизировать процесс оценки недвижимости.
Цель выпускной квалификационной работы - разработка интеллектуальной системы для определения справедливых цен на жилую недвижимость.
Задачами исследования является:
- анализ проблем определения справедливых цен на недвижимость;
- разработка алгоритма определения цен на квартиры;
- программная реализация интеллектуальной системы и ее тестирование.
Данная работа состоит из введения, трех глав, заключения и списка используемой литературы...
Благодаря развитию технологий искусственного интеллекта стало возможным автоматизация некоторых видов деятельности человека [1]. В рамках данной бакалаврской работы предлагается автоматизировать процесс оценки недвижимости.
Цель выпускной квалификационной работы - разработка интеллектуальной системы для определения справедливых цен на жилую недвижимость.
Задачами исследования является:
- анализ проблем определения справедливых цен на недвижимость;
- разработка алгоритма определения цен на квартиры;
- программная реализация интеллектуальной системы и ее тестирование.
Данная работа состоит из введения, трех глав, заключения и списка используемой литературы...
✅ Заключение
При выполнении бакалаврской работы были получены следующие результаты:
- определение стоимости квартиры используется: банками для снижения своих рисков при принятии решения о выдаче на нее ипотеки, брокерами недвижимости для формирования коммерческих предложений своим клиентам, покупателями недвижимости для определения справедливой стоимости жилья, судебными органами при решении вопросов наследования и определении размеров компенсации;
- процесс определения стоимости квартиры можно автоматизировать за счет применения алгоритмов машинного обучения. Для этого необходимо обучить регрессионную модель, которая на вход будет получать параметры квартиры, а на выходе будет выдавать ее прогнозную стоимость;
- проведен сравнительный анализ регрессионных моделей, реализуемых с помощью свободно распространяемых библиотек, результаты сравнения представлены в таблице 1;
- предложен алгоритм оценки стоимости квартиры, который включает в себя 4 этапа: подготовка данных, которые будут использоваться в качестве примеров при обучении регрессионных моделей; независимое обучение на этих данных двух регрессионных моделей Random forest и XGBoost; настройка совместной работы этих регрессионных моделей для формирования итогового прогноза цены квартиры; использование полученной гибридной модели для прогнозирования цены квартиры с заданными пользователем параметрами недвижимости;
- этап подготовки данных включает в себя сбор данных, кодирование категориальных признаков, отсеивание записей с аномальными значениями и расчет производных признаков. Этап построения регрессионных моделей включает в себя обучение модели Random forest и обучение модели XGBoost. Этап настройки совместной работы моделей включает в себя подбор оптимального коэффициента k. Этап прогнозирования включает в себя получение от пользователя параметров квартиры и расчет итоговой цены с учетом параметра k.
- с использованием языка программирования python разработано программное обеспечение для определения стоимости квартир. Стоимость квартир определяется на основе прогнозов двух ансамблевых регрессионных моделей Random forest и XGBoost;
- в разработанном программном обеспечении оценка стоимости квартир проводится на основе анализа таких признаков, как материал стен, номер этажа, этажность дома, площадь квартиры, площадь кухни, расстояние до центра города, азимут;
- для имеющегося набора данных определено оптимальное значение коэффициента k, влияющего на долю участия каждой из двух моделей в формировании конченой оценки стоимости квартиры. Оптимальным значением является k=0,2, так как при этом значении обеспечивается минимальная ошибка MAE=7,5% и максимальное значение коэффициента детерминации R2=0,84;
- тестирование разработанного программного обеспечения проводилось на объявлениях сервиса cian.ru для квартир в городе Москва. Результаты тестирования доказали состоятельность предложенных в исследовании подходов.
- определение стоимости квартиры используется: банками для снижения своих рисков при принятии решения о выдаче на нее ипотеки, брокерами недвижимости для формирования коммерческих предложений своим клиентам, покупателями недвижимости для определения справедливой стоимости жилья, судебными органами при решении вопросов наследования и определении размеров компенсации;
- процесс определения стоимости квартиры можно автоматизировать за счет применения алгоритмов машинного обучения. Для этого необходимо обучить регрессионную модель, которая на вход будет получать параметры квартиры, а на выходе будет выдавать ее прогнозную стоимость;
- проведен сравнительный анализ регрессионных моделей, реализуемых с помощью свободно распространяемых библиотек, результаты сравнения представлены в таблице 1;
- предложен алгоритм оценки стоимости квартиры, который включает в себя 4 этапа: подготовка данных, которые будут использоваться в качестве примеров при обучении регрессионных моделей; независимое обучение на этих данных двух регрессионных моделей Random forest и XGBoost; настройка совместной работы этих регрессионных моделей для формирования итогового прогноза цены квартиры; использование полученной гибридной модели для прогнозирования цены квартиры с заданными пользователем параметрами недвижимости;
- этап подготовки данных включает в себя сбор данных, кодирование категориальных признаков, отсеивание записей с аномальными значениями и расчет производных признаков. Этап построения регрессионных моделей включает в себя обучение модели Random forest и обучение модели XGBoost. Этап настройки совместной работы моделей включает в себя подбор оптимального коэффициента k. Этап прогнозирования включает в себя получение от пользователя параметров квартиры и расчет итоговой цены с учетом параметра k.
- с использованием языка программирования python разработано программное обеспечение для определения стоимости квартир. Стоимость квартир определяется на основе прогнозов двух ансамблевых регрессионных моделей Random forest и XGBoost;
- в разработанном программном обеспечении оценка стоимости квартир проводится на основе анализа таких признаков, как материал стен, номер этажа, этажность дома, площадь квартиры, площадь кухни, расстояние до центра города, азимут;
- для имеющегося набора данных определено оптимальное значение коэффициента k, влияющего на долю участия каждой из двух моделей в формировании конченой оценки стоимости квартиры. Оптимальным значением является k=0,2, так как при этом значении обеспечивается минимальная ошибка MAE=7,5% и максимальное значение коэффициента детерминации R2=0,84;
- тестирование разработанного программного обеспечения проводилось на объявлениях сервиса cian.ru для квартир в городе Москва. Результаты тестирования доказали состоятельность предложенных в исследовании подходов.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.